ABot-Recon восстанавливает геометрию сцены и движение камеры по длинным видеопоследовательностям с локальным контекстом из 12 кадров.

Подходит для: потоковая 3D-реконструкция сцены по видео · восстановление карты точек сцены из последовательности кадров · оценка движения камеры между соседними кадрами

Мультимодальная чат-модель OpenGVLab на 38 млрд параметров для анализа изображений и видео, визуального рассуждения и текстовых задач.

Подходит для: ответы на вопросы о содержимом изображения · сравнение и анализ нескольких изображений · понимание видеоматериалов

Плотная мультимодальная модель Vection Labs на 27,8 млрд параметров для инженерного программирования, агентной работы с инструментами и анализа изображений и видео.

Подходит для: генерация и объяснение кода · отладка и ревью программ · изменение и анализ больших репозиториев

Плотная мультимодальная модель Vection Labs на 27,8 млрд параметров для инженерного программирования, агентной работы с терминалом и анализа изображений и видео.

Подходит для: генерация и объяснение кода · поиск и исправление ошибок в коде · анализ и редактирование больших репозиториев

ABot-World-0-5B-LF генерирует непрерывные интерактивные видеосцены, реагирующие на действия пользователя.

Подходит для: создание интерактивных видеомиров для исследования сцен · генерация продолжения видео по исходному изображению и действиям пользователя · разработка прототипов игровых миров с управляемой видеогенерацией

Предварительная модель MindLab Research на базе GLM-5.1 для персонального агентного планирования, вызова инструментов, программирования и генерации интерфейсов.

Подходит для: планирование личных дел с учётом меняющихся условий · поиск мест и координация маршрутов через инструменты · работа с календарём и задачами через агентные API

LabVLA-5B-Base — модель vision-language-action для автономного выполнения научных протоколов с лабораторными приборами.

Подходит для: автономное выполнение лабораторных протоколов · управление лабораторными приборами по визуальной и языковой инструкции · манипуляции с прозрачными жидкостями в научной лаборатории

Крупная видеомодель OpenGVLab для извлечения признаков из видео и их использования в классификации.

Подходит для: извлечение признаков из видеороликов · подготовка представлений видео для классификатора · классификация видеоклипов

Мультимодальная модель OpenGVLab на базе Qwen2.5-VL для понимания экранов и автоматизации действий в графических интерфейсах.

Подходит для: выполнение многошаговых задач в графическом интерфейсе · поиск кнопки или элемента по текстовому описанию · автоматизация действий в веб-интерфейсах

Агентная модель MindLab Research на базе GLM-5.3 для диалогов, работы с инструментами, программирования и генерации интерфейсов.

Подходит для: ведение открытых диалогов с пользователем · выбор и выполнение действий с инструментами в бизнес-процессах · многошаговое исправление ошибок и изменение кода

InternVL3-78B-hf — мультимодальная модель OpenGVLab для диалогов, генерации текста и рассуждений по изображениям и видео в Transformers.

Подходит для: ответы на вопросы по изображениям · описание и анализ видеороликов · визуальные рассуждения по текстовому запросу и изображению

Модель MindLab Research на базе GLM-5.2 для диалогов, агентных задач с инструментами, программирования и генерации интерфейсов.

Подходит для: диалоги с персональным ИИ-помощником · выполнение задач агента с использованием инструментов · написание и изменение программного кода

Модель компьютерного зрения Apple для извлечения признаков из изображений и использования в последующих задачах визуального анализа.

Подходит для: извлечение признаков изображения для поиска похожих изображений · подготовка визуальных эмбеддингов для мультимодальных систем · получение признаков изображений для последующей классификации

Мультимодальная модель ACERobotics для пространственного понимания, планирования и генерации действий в роботизированных задачах.

Подходит для: определение объектов и их возможностей на изображении · пространственные рассуждения по виду от первого лица · планирование многоэтапных задач для робота

VLAC — мультимодальный критик и модель управления манипуляциями, оценивающая прогресс и завершение роботизированных задач по изображениям и их описаниям.

Подходит для: оценка прогресса выполнения задачи манипуляционным роботом · проверка завершения роботизированной задачи по изображению · оценивание качества траекторий для фильтрации обучающих данных

Arcle V1 — локальная мультимодальная модель на 5,84 млрд параметров для диалога, рассуждений, обработки изображений, документов, речи и видео.

Подходит для: ответы на вопросы и диалог с локальным ассистентом · решение математических задач и задач на естественные науки · извлечение текста из изображений и документов

Плотная мультимодальная модель Vection Labs на 27,2 млрд параметров для разработки и отладки ПО, агентной работы с инструментами и анализа инженерных изображений и видео.

Подходит для: генерация и объяснение кода · поиск ошибок и исправление кода в репозитории · выполнение многошаговых задач через терминал и инструменты

ACE-Brain-0-8B — мультимодальная модель Qwen3-VL для пространственных рассуждений и понимания сцен в задачах воплощённого интеллекта.

Подходит для: пространственный анализ изображений и сцен · понимание дорожной обстановки для автономного вождения · интерпретация визуальных данных низковысотного зондирования

Потоковая модель для восстановления позы камеры и трёхмерной геометрии сцены по видеокадрам на оборудовании Axera AX650N.

Подходит для: построение облака точек сцены по видео · восстановление траектории и позы камеры · трёхмерный просмотр реконструированной сцены